[发明专利]模型训练方法、水下目标识别方法、装置以及电子设备

说明书

本申请的实施例提供了一种模型训练方法、水下目标识别方法、装置以及电子设备，该方法包括：基于海洋环境模拟噪声信号和正弦周期信号，确定预设种类中每种水下目标的第一仿真辐射噪声信号；根据每种第一仿真辐射噪声信号，确定每种第一仿真辐射噪声信号的第一频谱特征；基于每种第一频谱特征，确定第一正样本对和第一负样本对；基于第一正样本对和第一负样本对，训练孪生神经网络模型，得到水下目标识别模型。本申请解决了获得大量且有效的水下目标的辐射噪声数据的困难，同时也解决了小样本条件下难以得到性能较好的识别模型的问题。

技术领域

本申请的实施例涉及水下目标识别技术领域，尤其涉及一种模型训练方法、水下目标识别方法、装置以及电子设备。

背景技术

在采用深层神经网络来识别水下目标时，由于水下目标的辐射噪声数据获取异常困难，而且每个种类的水下目标需要至少上千个训练样本才能使深层神经网络在已知类别上达到性能饱和。因此，需要一种能够在小样本下准确识别水下目标的方法。

发明内容

为了能够在小样本下准确识别水下目标，本申请的实施例提供了一种模型训练方法、水下目标识别方法、装置以及电子设备。

在本申请的第一方面，提供了一种模型训练方法，包括：

基于海洋环境模拟噪声信号和正弦周期信号，确定预设种类中每种水下目标的第一仿真辐射噪声信号；

根据每种所述第一仿真辐射噪声信号，确定每种所述第一仿真辐射噪声信号的第一频谱特征；

基于每种所述第一频谱特征，确定第一正样本对和第一负样本对，所述第一正样本对中的样本包括所有种类的水下目标的所述第一频谱特征，所述第一负样本对中的样本包括所有种类的水下目标的所述第一频谱特征；

基于所述第一正样本对和所述第一负样本对，训练孪生神经网络模型，得到水下目标识别模型。

在一种可能的实现方式中，基于海洋环境模拟噪声信号和正弦周期信号，确定预设种类中每种水下目标的第一仿真辐射噪声信号，包括：

正弦周期信号如下：

其中，M为线谱的个数，i为离散频点，f_i为第i个频点对应的线谱频率，φ_i为初始相位，A_i为第i个频点对应的线谱强度，ω为载波频率；

水下目标的第一仿真辐射噪声信号如下：

L(t)＝S(t)+N(t)

其中，S(t)为多分量累加的离散线谱，N(t)为模拟海洋环境噪声，L(t)为第一仿真辐射噪声信号。

在一种可能的实现方式中，根据每种所述第一仿真辐射噪声信号，确定每种所述第一仿真辐射噪声信号的第一频谱特征，包括：

将每种所述第一仿真辐射噪声信号中的多分量累加的离散线谱分解为单分量的离散线谱：

S′(t)＝A(1+b sinΩt)·cosωt

其中，A为信号的幅度，b为调制因子，ω为载波频率，Ω为信号调制频率；

对单分量的离散线谱进行平方检波：

将检波后的信号进行滤波，并进行离散傅里叶变换，得到每种所述第一仿真辐射噪声信号的第一频谱特征。

在一种可能的实现方式中，还包括：

基于每种所述第一仿真辐射噪声信号，获得对应的不同多普勒频偏的第二辐射噪声信号；

根据每种所述第二辐射噪声信号，确定每种所述第二辐射噪声信号的第二频谱特征；